انجام درخواست از هوش مصنوعی هم می تواند بسیار سرگرم کننده باشد و هم میتواند کاربرد های متعددی در زندگی افراد داشته باشدو در جنبه های مختلفی به کمک آن ها بیاید؛ به عبارت دیگر زمانی که چت ربات را وادار می کنید دقیقاً آنچه را که می خواهید انجام دهد، می تواند بسیار هیجان انگیز باشد. با این حال کمک خواستن از هوش مصنوعی ، مانند یادگیری دوچرخه سواری، ممکن است چند ضربه و خراش در طول مسیر ایجاد کند.
پس میتوان گفت گاهی اوقات، کمک گرفتن ربات چت برای ارائه نتایج رضایت بخش می تواند یک ماجراجویی دشوار باشد؛ به عبارت دیگر در برخی از مواقع هنگام استفاده از هوش مصنوعی نتایجی که به دست می آورید به خوبی درخواست هایی است که ارائه می دهید، نیست؛ پیام های ضعیف به معنای پاسخ های ضعیف است. به همین دلیل است که ما یک راهنمای مفید در مورد برخی از اشتباهات که هنگام استفاده از هوش مصنوعی باید از آن ها اجتناب کنید( این مقاله )، گردآوری کرده ایم؛ پس در ادامه همراه ما باشید؛ تا بتوانید بهترو موثر تر از این ابزار استفاده کنید.
-
ترکیب موضوعات در یک جلسه چت
در حالی که ممکن است به نظر نگران کننده نباشد که موضوعات مختلف را در یک پیام در چت با هوش مصنوعی مطرح کنید، اما ارزش توجه به آن را دارد؛ باید بدانید که هوش مصنوعی در این زمینه بسیار حساس است. هر درخواستی که در طول یک جلسه چت معرفی می کنید می تواند تا حد زیادی پاسخ هایی را که از درخواست های بعدی دریافت می کنید شکل دهد؛ مثلا فرض کنید شما یک جلسه چت را با پرسیدن هوش مصنوعی شروع کردید، “آیا می توانیم در مورد ارتش ایالات متحده صحبت کنیم؟” اگر مکالمه را ادامه دهید و تصمیم بگیرید که از چت بات بخواهید تا در مورد برخی از جنگ های اخیر به شما چیز هایی بگوید، این احتمال وجود دارد که فقط جنگ هایی را که ارتش ایالات متحده در آنها شرکت کرده است را ذکر کند؛ در زمانی که ممکن است شما نیاز به دید وسیع تری از همه درگیری های جهانی داشته باشید، چرا؟چون هوش مصنوعی از زمینه مکالمات قبلی برای پردازش پاسخ برای درخواست های بعدی استفاده می کند؛ زیرا این ویژگی به هوش مصنوعی کمک می کند تا در طول مکالمات طولانی در مورد هر موضوعی دربحث و زمینه آن موضوع باقی بماند.
با این حال، زمانی که ربات چت اطلاعاتی را از یک موضوع کاملاً متفاوت به یک پاسخ جدید برای حفظ زمینه و ماندن در موضوع می آورد به چیزی مضر و آسیب رسان تبدیل می شود؛ که گاهی اوقات می توان این را به راحتی تشخیص داد. با این حال، همچنین می تواند ظریف و ناشناخته باشد و منجر به اطلاعات نادرست شود؛ که دریافت این اطلاعات نادرست خوشایند ما نیست.
در مثال زیر، پس از گفتگوی طولانی در مورد ارتش ایالات متحده، از هوش مصنوعی خواستیم تا در مورد برخی از درگیری های جهانی به ما بگوید، و آن فقط کسانی را انتخاب کرد که به نوعی مشارکت ایالات متحده را در بر داشتند، که این مسئله میتواند یک مثال واضح از مطالبی باشد که در پاراگراف قبل قصد ارائه توضیحات در ارتباط با آن ها را داشتیم.
-
دستورالعمل های بسیار زیاد در یک اعلان واحد
همانطور که میدانید، هوش مصنوعی قادر است چندین دستورالعمل را در یک اعلان مدیریت کند. با این حال، آستانهای برای تعداد دستورالعملهایی وجود دارد که میتواند به طور همزمان بدون به خطر انداختن کیفیت پاسخهایش مدیریت کند؛ پس حواستان به این نکته باشد زیرا ممکن است با درخواستهای آنلاینی مواجه شده باشید که حاوی دستورالعملهای متعددی هستند که به نظر میرسد به خوبی کار میکنند؛ با این حال متاسفانه، همیشه اینطور نیست، و برای اطمینان از نتایج بهینه، یک رویکرد ظریف مورد نیاز است؛ بهترین راه برای مقابله با اعلان های پیچیده، شکستن آنها و استفاده از آنها با رویکرد پیشنهاد زنجیره ای است. این شامل جداسازی دستورات پیچیده به چندین بخش است که هر کدام حاوی دستورالعمل های کمتری است؛ پس از انجام این جداسازی شما به راحتی میتوانید هر فرمان را در جملات سادهتر به هوش مصنوعی بدهید، سپس جملات سادهتر دیگری که پاسخ اعلانهای قبلی را اصلاح میکنند ارائه کنید تا به نتیجه دلخواه خود برسید.
بنابراین، به جای استفاده از یک اعلان مانند:
در مورد تاریخچه برج ایفل، به طوری که آن تاریخچه شامل مصالح ساختمانی، بودجه، طراحی، اهمیت آن، شرکت ساخت و ساز درگیر، و جنجال ها مطالبی را ارائه دهید.
می توانید از فرمان های کوتاه تر زیر استفاده کنید:
- از تاریخچه برج ایفل بگویید.
- آیا آنها مناقشات بزرگی پیرامون این پروژه داشتند؟
- چه مصالح ساختمانی عمده ای استفاده شد؟
- از طراحی و طراحان آن بگویید
- اهمیت آن را توضیح دهید
- بیایید در مورد بودجه صحبت کنیم
به این ترتیب شما با پرسیدن سوالات دقیق تر، کوتاه تر و بهتر اطلاعات بسیار دقیقتری و پاسخهای مرتبط تری را دریافت میکنید.
-
بیش از حد خاص بودن با دستورالعمل های خود
اگرچه ممکن است ارائه اعلانهای بسیار دقیق مفید به نظر برسد، اما این استراتژی هنگام استفاده از ابزاری مانند هوش مصنوعی همیشه بهینه نیست. دستورالعمل های دقیق در واقع به هوش مصنوعی یک جهت روشن برای ایجاد پاسخ ارائه می دهد. با این حال، جزئیات بیش از حد میتواند ناخواسته پاسخهای هوش مصنوعی را به یک زمینه بسیار محدود تر کند، به طوری که به طور بالقوه منجر به پاسخها و توهمات کمتر دقیق میشود؛ هوش مصنوعی تمایل دارد هر زمان که اطلاعاتی از واقعیت وجود نداشته باشد، اطلاعات را ایجاد کند. بنابراین اگر واقعیت محدودی در محدودیت دستورالعملهایی که ارائه میدهید وجود داشته باشد، احتمالاً اطلاعات نادرستی دریافت خواهید کرد که چندان مطلوب و مورد نظر نخواهد بود؛ به عنوان نمونه، از هوش مصنوعی خواستیم که پاسخهای خود را به هر سؤالی که درباره دیدگاه ایلان ماسک درباره این موضوع میپرسیم محدود کند؛ سپس ما از هوش مصنوعی در مورد مریخ، موشکها و وسایل نقلیه الکتریکی پرسیدیم و پاسخها خوب بود زیرا ایلان ماسک به وضوح در مورد این موضوع سخنان بسیاری گفته است و هوش مصنوعی میتوانست در ارائه پاسخ از آن ها استفاده کند؛ با این حال، وقتی از هوش مصنوعی خواستیم تا درباره پیتزا به ما بگوید (به یاد داشته باشید، پاسخ ها فقط باید دیدگاه ایلان ماسک در مورد موضوع باشد)، هوش مصنوعی تفسیر خندهداری را ارائه کرد؛ که مشخصا از دیدگاه ایلان ماسک نبود.
-
عدم ارائه زمینه در صورت لزوم
خوب هست در ارتباط با این موضوع اطلاعات کافی داشته باشید که زمینه نقش حیاتی در چگونگی پاسخ هوش مصنوعی به هر درخواست داده شده ایفا می کند به این ترتیب که حتی یک تغییر جزئی در زمینه می تواند به پاسخ های متفاوتی منجر شود. اگر هیچ زمینه ای ارائه نشود، درخواست شما مبهم می شود و در نتیجه هر بار که از همان درخواست استفاده می شود، پاسخ های متنوعی دریافت می شود و این عدم ثبات در پاسخ گویی ممکن است هنگام جستجوی پاسخ های دقیق مطلوب نباشد زیرا راهی برای دانستن پاسخ درست وجود ندارد. اما چگونه باید در هنگام استفاده از هوش زمینه را فراهم کنید و چه زمانی باید این کار را انجام دهید؟
فرض کنید می خواهید از هوش مصنوعی به عنوان یک ابزار ترجمه استفاده کنید. همانطور که می دانید زبان می تواند بسیار مبهم باشد زیرا برای هر کلمه در هر زبان معانی بسیار منخلفی وجود دارد؛ به عنوان مثال، یک جمله بسته به نوع متن می تواند معانی مختلفی داشته باشد. به عبارت دیگر، در چنین شرایطی، زمینه بسیار مهم است. در اینجا یک مثال از این مسئله وجود دارد که با کمک یک دیگر ان را بررسی میکنیم.
عبارت اسپانیایی “Gracias por preguntar, pero estoy bastante seguro aquí” را در نظر بگیرید. هوش مصنوعی این را به این صورت ترجمه می کند که: “از اینکه پرسیدید متشکرم، اما من در اینجا کاملاً مطمئن هستم.” در متنی که این جمله از آن کپی شده بود، معنای مورد نظر این بود: “ممنون که پرسیدید، اما من اینجا امن هستم.”
با این حال وقتی این جمله از متن اصلی اش رها شد، به اشتباه تفسیرهایی برای آن انجام شد، زیرا هیچ زمینه ای برای هوش مصنوعی ارائه نشد؛ اما پس از اینکه با افزودن اطلاعات اضافی مبنی بر اینکه جمله از بافت صحبت فردی که در مورد ایمنی صحبت می کند (که در متنی که از آن کپی شده بحث شده است)برداشته شده است؛ هوش مصنوعی را به اطلاعات بیشتری مجهز کردیم ، هوش مصنوعی ترجمه مورد انتظار تری را ارائه کرد.
-
عدم استفاده از مثال
همچنین نیاز هست ذکر شود که گنجاندن مثالها یکی از جنبههای مهم ایجاد دستورات موثر هوش مصنوعی است؛ این مسئله در حالی است که هر درخواستی نیاز به یک مثال ندارد و ارائه مثال تنها در برخی از مسائل میتواند به ارائه پاسخ های دقیق تر توسط هوش مصنوعی منجر شود؛ به عنوان مثال هنگام تولید محتوای منحصربهفرد مانند جوک، موسیقی یا نامههای پوششی، مثالها بسیار مهم هستند. در تصویر زیر، ما از هوش مصنوعی خواستیم پس از ارائه نام نوازنده، کمی طعنه درباره نوازندگان ایجاد کند. نکته قابل توجه در اینجا این است که ما هیچ نمونه ای ارائه نکردیم.
بدون مثال، شوخیهایی که هوش مصنوعی با آنها ساخته بود، چندان فریبنده نبود.
در مرحله بعد، به هوش مصنوعی چند نمونه از نحوه نمایش جوک هایمان را ارائه کردیم. این درخواست در تصویر زیر است.
در تصوی فوق مشاهده میکنید که با مثال هایی برای راهنمایی هوش مصنوعی، جوک های تولید شده به طور قابل توجهی بهتر شدند (هر چند که جوک های هوش مصنوعی بهتر از ما به نظر می رسند و در این جا کمی حسادتمان بر انگیخته شد!). این اولین شوخی در مورد تیلور سویفت بود:
و در اینجا یک هوش مصنوعی دیگر ساخته شده است که ما آن را با Jay-Z درخواست کردیم.
حال اگر مجموعه دوم جوک ها را دوست داشتید؟ خوب، سعی کنید از مثالهای بیشتری استفاده کنید تا جوک های بهتری از هوش مصنوعی دریافت کنید.
-
واضح و مشخص نبودن با دستورالعمل های خود
نکته مهم دیگری که در ارتباط با هوش مصنوعی وجود دارد این هست که برای دریافت بهترین پاسخ ها از هوش مصنوعی، باید در دستورالعمل های خود تا حد امکان دقیق و بدون ابهام باشید. متأسفانه، ابهام، درخواستهای شما را به تفسیرهای متعدد باز میکند، و ارائه یک پاسخ خاص و دقیق را برای هوش مصنوعی دشوار میکند؛ له طور مثال “معنی زندگی چیست؟” و “بهترین راه برای سالم ماندن چیست؟” دو نمونه از اعلانهایی هستند که عادی به نظر میرسند اما کاملا مبهم هستند و هیچ پاسخ قطعی برای هر دو سوال وجود ندارد. با این حال، هوش مصنوعی سعی خواهد کرد پاسخی را به شما ارائه دهد که کمی سخت به نظر می آید به همین دلیل پیشنهاد میکنیم از جملاتی مانند “معنای زندگی از منظر بیولوژیکی چیست؟” یا “برخی از تغییرات یا عادات خاص در سبک زندگی که می تواند به بهبود سلامت روان کمک کند چیست؟” بیشتر استفاده کنید زیرا نمونه های خوبی از جایگزین های خاص و کمتر مبهم هستند؛ زیرا دستورات خاص جهت روشن تری را برای هوش مصنوعی ارائه می دهند. همچنین تمرکز اعلان را محدود می کند و اطلاعات مرتبط تری را برای مدل ارائه می دهد تا با آن کار کند و یک پاسخ خوب به شما ارائه دهد.
هوش مصنوعی ورود زباله و خروج زباله است
به عنوان سخن پایانی و نوعی جمع بندی باید بگوییم درست مانند یک سرآشپز که برای درست کردن یک غذای خوشمزه به مواد باکیفیت نیاز دارد، پاسخ های ایجاد شده توسط هوش مصنوعی نیز تا حد زیادی به درخواست هایی که ارائه می دهیم بستگی دارد؛ پس حواستان باشد که درست همانطور که انتخاب مواد تشکیل دهنده طعم و نتیجه یک غذا را شکل می دهد، وضوح، ویژگی و زمینه دستورات ما بر دقت و ارتباط پاسخ های هوش مصنوعی تأثیر می گذارد. به عبارت دیگر شما با ایجاد اعلانهای ساختاریافته، به هوش مصنوعی مواد لازم را میدهید تا تعاملات بینشانگیز و جذابی را ارائه دهد، دقیقاً مانند یک آشپز ماهر که به کمک مواد اولیه با کیفیت یک شاهکار آشپزی را سرو میکند.
محتوا خوب و کاربردی بود مرسی